QQ在線
企業微信
資訊
352盡管及時診斷AD非常重要，但事實證明早期診斷具有挑戰性。研究已經將疾病過程與代謝變化聯系起來，如大腦某些區域的葡萄糖攝取所表明的那樣，但這些變化可能難以識別。
該研究的合著者，來自加利福尼亞大學舊金山分校放射與生物醫學成像系的醫學博士Jae Ho Sohn表示：“大腦中葡萄糖攝取模式的差異非常微妙且彌漫?！薄叭藗兩朴诎l現疾病的特定生物標志物，但代謝變化代表了一個更全面，更微妙的過程。”
該研究的資深作者，來自加州大學舊金山分校的本杰明·弗朗克醫學博士通過放射大數據(BDRAD)研究小組接觸了Sohn博士和加利福尼亞大學伯克利分校的本科生丁一鳴，該小組是一個專注于放射學的多學科醫師和工程師團隊數據科學。Franc博士對運用深度學習(DL)來發現可預測AD的腦代謝變化感興趣。
研究人員使用18-F-氟脫氧葡萄糖PET(FDG-PET)掃描訓練了DL算法。
研究人員可以訪問阿爾茨海默氏病神經影像學計劃(ADNI)的數據，該計劃是一項主要的多站點研究，專注于改善該疾病的預防和治療的臨床試驗。ADNI數據集包含來自1,002位患者的2,100多個FDG-PET腦圖像。研究人員在90%的數據集上訓練了DL算法，然后在其余10%的數據集上對其進行了測試。
最后，研究人員在40例從未研究過的患者的40例影像學檢查中獨立測試了該算法。該算法在最終診斷之前平均六年以上，對疾病的檢測靈敏度達到100%。
Sohn博士說：“我們對該算法的性能感到非常滿意。”Sohn博士說：“它能夠預測到每一個發展為阿爾茨海默氏病的病例?！?/span>
算法可以幫助放射線學家
盡管他警告說，他們的獨立測試集很小，需要通過更大的多機構前瞻性研究進一步驗證，但算法這可能是補充放射科醫生工作的有用工具，尤其是與其他生化和影像學檢查結合使用時，可以為早期治療干預提供機會。
他說：“如果在所有癥狀都表現出來后就診斷出阿爾茨海默氏病，那么大腦的體積損失將非常嚴重，以至于進行干預為時已晚?！薄叭绻覀兡軌蚣霸绨l現它，這將為研究者提供一個潛在的機會，以尋找更好的方法來減緩甚至停止疾病進程?！?/span>
